Линейная регрессия (МО)
Линейная регрессия устанавливает прямолинейную зависимость между одной или несколькими входными признаками и непрерывным числовым результатом путем минимизации суммы квадратов ошибок прогнозирования. Как модель машинного обучения, она обучается на размеченных примерах и оценивается на отложенных данных, что делает ее простейшим эталонным методом обучения с учителем для любой задачи регрессии.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed., Ch. 3). Springer. ISBN: 978-0-387-84858-7
- James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 3). Springer. ISBN: 978-1-4614-7138-7
Как цитировать эту страницу
ScholarGate. (2026, June 3). Linear Regression as a Machine Learning Model. ScholarGate. https://scholargate.app/ru/machine-learning/linear-regression-ml
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Дерево решенийМашинное обучение↔ compare
- Градиентный бустингМашинное обучение↔ compare
- Логистическая регрессия (МО)Машинное обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- Регуляризованная линейная регрессияМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →